หลายคนสนใจ
Neural Radiance Fields (ซึ่งทางผมทำสำเร็จไปประมาณปีที่แล้วดังภาพด้านล่าง) ไปปนกับ
Multilayer Perceptron (ซึ่งทางผมทำมาแล้ว 25 ปี)
ในระบบ Advanced Driver Assistance Systems ของรถอย่าง
Volvo
(ADAS ออพชันไม่หวือหวา แต่ซ่อนความปลอดภัยไว้เพียบ รุ่นเดิมมีความชั่งใจในการติดตามเส้นสูงพอควร แต่ติดตามได้แล้ว ค่อนข้างแม่นยำ แม้เส้นถนนบาง
หรือแม้ในสภาพฝนหนักก็มี Radar กะระยะรอบตัว ส่วนตัวผมขับฝนเกือบ Rain bomb ก็ไม่พลาดเลยในการกะระยะ แต่ เส้นถนน คนไม่เห็น รถก็ไม่เห็นนะครับ
รุ่นใหม่อาจสามารถไปถึง ADAS Level 3 แม้เอา LiDAR ออกเหลือแต่ Radar เช่นเดียวกับรุ่นเก่า)
แต่นี่คือจุดที่ต้องแยกให้ออกครับว่ามันอยู่คนละเลเยอร์ของสถาปัตยกรรม
1. MLP ใน PHEV T8 (Control-Centric)
ใน Volvo ของผม ระบบช่วยขับ (ADAS Level 2) ใช้โครงข่ายประสาทเทียมแบบ MLP เป็นแกนหลักในส่วนของ
Perception และ Decision Logic โดยโฟกัสที่:
ความเร็ว (Latency): ต้องตอบสนองระดับมิลลิวินาที
ความแม่นยำเชิงเงื่อนไข (Deterministic): ระบบต้องตัดสินใจได้ทันทีว่า "คน" หรือ "สิ่งกีดขวาง" คืออะไร และต้องเบรกหรือหักหลบหรือเร่งหนีด้วย Rule-based Control ที่ตายตัว
งานหลัก: มันไม่ได้ "สร้างภาพ" แต่มัน "ตีความ" (Classification/Detection) แล้วส่งค่าเข้าสู่ระบบควบคุม (Control Theory) ที่เสถียรครับ
2. NeRF ใน BEV ES/X90 (Representation-Centric)
NeRF คือการทำ
Volumetric Representation โดยใช้ MLP เป็นตัวเก็บค่ารังสี (Radiance Fields) ของฉากนั้นๆ:
งานหลัก: ไม่ใช่การตรวจจับ (Detection) แต่มันคือการทำ
Scene Reconstruction แบบต่อเนื่อง
ความต่าง: NeRF ช่วยให้รถ "เห็น" สภาพแวดล้อมรอบคันในแบบ 3 มิติที่มีมิติต่อเนื่อง (Continuous 3D Space) ซึ่ง MLP ปกติทำไม่ได้
ประโยชน์: มันลบจุดบอดจาก Sensor ที่มองไม่เห็น (Occlusion) ทำให้ระบบ Planning ของรถตัดสินใจหลบหลีกในที่ที่กล้องปกติมองไม่ชัดได้ดีขึ้น
นี่คือความน่าสนใจในเชิงวิศวกรรมของ Volvo ES90 หรือ EX90 ครับ ที่แม้จะตัดสินใจ
ถอดเซนเซอร์ LiDAR ออก เหลือไว้เพียงแค่ระบบกล้องและเรดาร์รอบคัน (Vision-centric + Radar Fusion) แต่ตัวรถก็ยังออกแบบสถาปัตยกรรมสมองกลและระบบควบคุมการเลี้ยว/เบรก (Actuators) ให้ทำงานแบบคู่ขนาน (Redundancy) จนสามารถผ่านมาตรฐานความปลอดภัยเชิงหน้าที่ระดับสูงสุดของวงการยานยนต์อย่าง
ISO 26262 ASIL-D ได้อย่างสมบูรณ์แบบ ซึ่งในกลุ่มรถพรีเมียมที่ใช้สถาปัตยกรรมประมวลผลประสิทธิภาพสูงลักษณะนี้ ก็จะมีแบรนด์ชั้นนำอย่าง BMW, Lucid, Mercedes-Benz และ Volvo ที่เน้นเรื่องความปลอดภัยของระบบประมวลผลสำรองในระดับนี้ครับ
Volvo กับ NeRF: แล้วเราจะเห็นมันใน Level 3 ไหม?
ส่วนตัวผมมองว่า... รถระดับ Level 2+ รุ่นใหม่ๆ ของ Volvo กำลังขยับไปสู่
'Vision-centric Approach' ที่มีแนวโน้มสูงมากที่จะนำ NeRF (หรือ Gaussian Splatting) เข้ามาเป็นส่วนหนึ่งของระบบประมวลผลพื้นหลังเพื่อ:
Dynamic Digital Twin: สร้างแผนที่ 3 มิติต่อเนื่องรอบตัวรถแบบ Real-time เพื่อลดข้อจำกัดของกล้องและเรดาร์
Simulation-based Training: ใช้ NeRF สร้างฉากในระบบจำลอง (Simulation) เพื่อเทรนสมองกลของรถให้รับมือกับสถานการณ์ยากๆ บนถนนจริง โดยไม่ต้องไปวิ่งทดสอบจริงทั้งหมด
มุมมองของผม: สำหรับ Volvo แล้ว ความปลอดภัยต้องมาก่อนเสมอ การที่จะใส่ NeRF เข้ามาในระบบควบคุมการขับขี่ (Active Control/Braking) โดยตรงถือว่ามีความเสี่ยงสูงในปัจจุบัน เพราะ NeRF ยังคุมค่าความแน่นอน (Uncertainty) ได้ยากกว่าระบบเดิมที่ใช้อยู่
แต่ถ้าใช้เป็น
'ตัวช่วยเสริมการรับรู้' (Perception Enhancement) เพื่อวิเคราะห์สภาพแวดล้อมเบื้องหลัง นี่คือ Game Changer ของอุตสาหกรรมใน 2-3 ปีข้างหน้าแน่นอนครับ
ภาพด้านล่าง แล็บผมใช้ NeRF วางแผนการเคลื่อนที่ของยานบิน UAV
NeRF vs. MLP ในระบบ ADAS: มองให้ทะลุมากกว่าแค่ภาพ 3D
Neural Radiance Fields (ซึ่งทางผมทำสำเร็จไปประมาณปีที่แล้วดังภาพด้านล่าง) ไปปนกับ
Multilayer Perceptron (ซึ่งทางผมทำมาแล้ว 25 ปี)
ในระบบ Advanced Driver Assistance Systems ของรถอย่าง
Volvo
(ADAS ออพชันไม่หวือหวา แต่ซ่อนความปลอดภัยไว้เพียบ รุ่นเดิมมีความชั่งใจในการติดตามเส้นสูงพอควร แต่ติดตามได้แล้ว ค่อนข้างแม่นยำ แม้เส้นถนนบาง
หรือแม้ในสภาพฝนหนักก็มี Radar กะระยะรอบตัว ส่วนตัวผมขับฝนเกือบ Rain bomb ก็ไม่พลาดเลยในการกะระยะ แต่ เส้นถนน คนไม่เห็น รถก็ไม่เห็นนะครับ
รุ่นใหม่อาจสามารถไปถึง ADAS Level 3 แม้เอา LiDAR ออกเหลือแต่ Radar เช่นเดียวกับรุ่นเก่า)
แต่นี่คือจุดที่ต้องแยกให้ออกครับว่ามันอยู่คนละเลเยอร์ของสถาปัตยกรรม
1. MLP ใน PHEV T8 (Control-Centric)
ใน Volvo ของผม ระบบช่วยขับ (ADAS Level 2) ใช้โครงข่ายประสาทเทียมแบบ MLP เป็นแกนหลักในส่วนของ Perception และ Decision Logic โดยโฟกัสที่:
ความเร็ว (Latency): ต้องตอบสนองระดับมิลลิวินาที
ความแม่นยำเชิงเงื่อนไข (Deterministic): ระบบต้องตัดสินใจได้ทันทีว่า "คน" หรือ "สิ่งกีดขวาง" คืออะไร และต้องเบรกหรือหักหลบหรือเร่งหนีด้วย Rule-based Control ที่ตายตัว
งานหลัก: มันไม่ได้ "สร้างภาพ" แต่มัน "ตีความ" (Classification/Detection) แล้วส่งค่าเข้าสู่ระบบควบคุม (Control Theory) ที่เสถียรครับ
2. NeRF ใน BEV ES/X90 (Representation-Centric)
NeRF คือการทำ Volumetric Representation โดยใช้ MLP เป็นตัวเก็บค่ารังสี (Radiance Fields) ของฉากนั้นๆ:
งานหลัก: ไม่ใช่การตรวจจับ (Detection) แต่มันคือการทำ Scene Reconstruction แบบต่อเนื่อง
ความต่าง: NeRF ช่วยให้รถ "เห็น" สภาพแวดล้อมรอบคันในแบบ 3 มิติที่มีมิติต่อเนื่อง (Continuous 3D Space) ซึ่ง MLP ปกติทำไม่ได้
ประโยชน์: มันลบจุดบอดจาก Sensor ที่มองไม่เห็น (Occlusion) ทำให้ระบบ Planning ของรถตัดสินใจหลบหลีกในที่ที่กล้องปกติมองไม่ชัดได้ดีขึ้น
นี่คือความน่าสนใจในเชิงวิศวกรรมของ Volvo ES90 หรือ EX90 ครับ ที่แม้จะตัดสินใจถอดเซนเซอร์ LiDAR ออก เหลือไว้เพียงแค่ระบบกล้องและเรดาร์รอบคัน (Vision-centric + Radar Fusion) แต่ตัวรถก็ยังออกแบบสถาปัตยกรรมสมองกลและระบบควบคุมการเลี้ยว/เบรก (Actuators) ให้ทำงานแบบคู่ขนาน (Redundancy) จนสามารถผ่านมาตรฐานความปลอดภัยเชิงหน้าที่ระดับสูงสุดของวงการยานยนต์อย่าง ISO 26262 ASIL-D ได้อย่างสมบูรณ์แบบ ซึ่งในกลุ่มรถพรีเมียมที่ใช้สถาปัตยกรรมประมวลผลประสิทธิภาพสูงลักษณะนี้ ก็จะมีแบรนด์ชั้นนำอย่าง BMW, Lucid, Mercedes-Benz และ Volvo ที่เน้นเรื่องความปลอดภัยของระบบประมวลผลสำรองในระดับนี้ครับ
Volvo กับ NeRF: แล้วเราจะเห็นมันใน Level 3 ไหม?
ส่วนตัวผมมองว่า... รถระดับ Level 2+ รุ่นใหม่ๆ ของ Volvo กำลังขยับไปสู่ 'Vision-centric Approach' ที่มีแนวโน้มสูงมากที่จะนำ NeRF (หรือ Gaussian Splatting) เข้ามาเป็นส่วนหนึ่งของระบบประมวลผลพื้นหลังเพื่อ:
Dynamic Digital Twin: สร้างแผนที่ 3 มิติต่อเนื่องรอบตัวรถแบบ Real-time เพื่อลดข้อจำกัดของกล้องและเรดาร์
Simulation-based Training: ใช้ NeRF สร้างฉากในระบบจำลอง (Simulation) เพื่อเทรนสมองกลของรถให้รับมือกับสถานการณ์ยากๆ บนถนนจริง โดยไม่ต้องไปวิ่งทดสอบจริงทั้งหมด
มุมมองของผม: สำหรับ Volvo แล้ว ความปลอดภัยต้องมาก่อนเสมอ การที่จะใส่ NeRF เข้ามาในระบบควบคุมการขับขี่ (Active Control/Braking) โดยตรงถือว่ามีความเสี่ยงสูงในปัจจุบัน เพราะ NeRF ยังคุมค่าความแน่นอน (Uncertainty) ได้ยากกว่าระบบเดิมที่ใช้อยู่
แต่ถ้าใช้เป็น 'ตัวช่วยเสริมการรับรู้' (Perception Enhancement) เพื่อวิเคราะห์สภาพแวดล้อมเบื้องหลัง นี่คือ Game Changer ของอุตสาหกรรมใน 2-3 ปีข้างหน้าแน่นอนครับ
ภาพด้านล่าง แล็บผมใช้ NeRF วางแผนการเคลื่อนที่ของยานบิน UAV